在科学研究及工程应用中,经常遇到约束优化问题。演化算法是一种受自然启发的随机搜索算法,它可以有效的求解最优化问题,过去的几十年中,很多研究者使用演化算法求解约束优化问题。演化多目标优化自上世纪80年代产生至今,得到了长足的发展,形成了很多成熟的算法。使用基于Pareto占优的多目标优化技术处理约束优化问题,取得了良好的效果,是一个重要的研究方向。天线设计是工程实践中一类复杂的约束优化问题,设计要求较多,建立起来的数学模型是一类非线性、多个变量、复杂约束的优化问题。这类优化问题在其它领域里也普遍存在,需要高性能的算法去求解。基于此,本文提出“动态约束多目标演化算法的研究及在天线设计中的应用”课题。所做的主要工作如下:1.设计动态约束“很多”目标演化算法(dynamic constrained many-objective optimization evolutionary algorithm,DCMaOEA)求解约束优化问题。首先将约束优化问题转化为对等的约束“很多”目标优化问题,使用“很多”目标优化技术保持算法搜索的分布性,另外采用动态的处理机制处理约束。算法演化之初,将原始的约束边界进行扩展,使得所有的解都看作可行解;随着演化的进行,慢慢收缩约束边界,让整个搜索过程在一个可行的环境下进行,从而提高了搜索能力;最后,使约束边界收敛到原始边界,输出的解也就是原始问题的解。DCMaOEA用差分算法作为搜索引擎,用基于参考点的非劣排序方法选择个体进入下一代种群。用两套测试问题包60个Benchmark函数对DCMaOEA进行了测试,并和其他先进的同类算法进行了比较。结果说明,设计的算法在求解各种类型的约束优化问题上有着良好的性能。2.基于动态约束技术和多目标比较框架,设计了几种改进算法,分别是混合约束处理机制演化算法、基于计算资源分配的动态约束“很多”目标演化算法和引入参数学习机制的动态约束“很多”目标演化算法。数值实验结果表明,这几种改进算法分别在不同角度不同程度上提高了原算法的性能。3.将设计的动态约束“很多”目标演化算法应用于求解天线设计问题,优化设计了两款天线,分别是低剖面宽波束圆极化天线和S波段中增益天线。用HFSS软件仿真结果表明,本文研究的算法可以有效地求解天线设计这一类复杂约束优化问题。本文的创新点是采用“很多”目标优化算法求解约束优化问题。以前的研究一般把约束优化问题看做两个目标的问题,原始目标和违约目标。将所有的约束条件整合成一个目标,容易忽视各约束条件的区别,丢失一些信息。而采用“很多”目标优化则能分别关注每个约束的满足情况,更适合处理复杂约束的问题。